University of California, San Diego（加州大学圣迭戈分校）

Back to Parsimonious Latents: Learning Task-Centric World Models from Visual Foundations

回归简约潜在变量：从视觉基础学习以任务为中心的世界模型

Minghao Fu, Fan Feng, Nicklas Hansen, Biwei Huang

机构 * University of California, San Diego（加州大学圣地亚哥分校） 纠错

AI总结 提出TC-WM框架，通过将预训练视觉嵌入线性投影为紧凑潜在状态、对比学习对齐子空间并重建嵌入，将基础模型特征转化为任务充分的世界表示，实现更好的世界建模质量和控制精度。

Towards Reliable Fetal Ultrasound Interpretation with Multi-Agent Collaboration

面向可靠胎儿超声解读的多智能体协作

Xiaotian Hu, Mingxuan Liu, Junwei Huang, Kasidit Anmahapong, Yifei Chen, Yiming Huang, Xuguang Bai, Zihan Li, Hongjia Yang, Yingqi Hao, Hong Xu, Yu Jiang, Tian Tian, Yi Liao, Haibo Qu, Qiyuan Tian

机构 * Tsinghua University（清华大学） ； University of California San Diego（加州大学圣地亚哥分校） ； West China Second University Hospital, Sichuan University（四川大学西昌医学院） 纠错

AI总结 提出FetUSAgents多智能体系统，通过协作LLM代理和双路径证据仲裁（DPEA）整合视觉工具与临床推理，在胎儿超声VQA、报告生成等任务上超越最强基线25%以上。

ClawTrace: Cost-Aware Tracing for LLM Agent Skill Distillation

ClawTrace: 面向LLM智能体技能蒸馏的成本感知追踪

Boqin Yuan, Yue Su, Renchu Song, Sen Yang, Jing Qin

机构 * University of California San Diego（加州大学圣地亚哥分校） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 针对技能蒸馏管道缺乏每步成本信号的问题，提出ClawTrace记录成本归因轨迹并生成TraceCard，通过CostCraft生成保留、剪枝和修复三类技能补丁，发现剪枝补丁作为质量护栏而保留补丁导致回归，主张按规则类型评估可复用技能。

Comments Accepted at Agent Skills '26 Workshop, ACM Conference on AI and Agentic Systems (CAIS 2026), San José, CA, May 26, 2026

Estimating Mixture Distributions via Stochastic Mirror Descent

通过随机镜像下降估计混合分布

Mohammadreza Ahmadypour, Tara Javidi, Farinaz Koushanfar

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； University of California San Diego（加州大学圣地亚哥分校） 纠错

AI总结 针对从样本中估计未知分布的问题，提出基于随机镜像下降（SMD）的混合模型估计器族，通过选择Bregman散度实现灵活估计，在大规模候选分量下保持高效，并在KL散度和ℓ2范数下达到近最优收敛率。

CyberMaskQA: A Privacy-Aware Benchmark for Evaluating Large Language Models in Cybersecurity Question Answering

CyberMaskQA: 一个用于评估大语言模型在网络安全问答中隐私意识的基准

Matilda Gaddi, Jin Noh, Onat Gungor, Tajana Rosing

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； University of California, San Diego (UCSD)（加州大学圣地亚哥分校） 纠错

AI总结 针对现有基准缺乏隐私保护评估的问题，提出CyberMaskQA基准，通过结合人工场景与LLM语义扩展生成带隐私标签的数据集，以评估模型在网络安全问答中的推理与隐私保护能力。

A computational phase transition for learning-to-sample from Ising models

从Ising模型中学习采样的计算相变

Andrej Risteski, Thuy-Duong Vuong

机构 * Machine Learning Department, Carnegie Mellon University（卡内基梅隆大学机器学习系） ； Department of Computer Science and Engineering, UC San Diego（加州大学圣地亚哥分校计算机科学与工程系） 纠错

AI总结 本研究构造了谱阈值以上的有界宽度Ising模型族，证明在标准密码学假设下学习采样是计算困难的，从而在谱阈值处建立了尖锐的计算相变。

Generative OOD-regularized Model-based Policy Optimization

生成式OOD正则化的基于模型的策略优化

Aysin Tumay, Jiahe Huang, Elise Jortberg, Rose Yu

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Abiomed（阿比omed） 纠错

AI总结 提出GORMPO算法，利用生成式密度估计在稀疏状态-动作空间中限制策略更新到高密度区域，以解决离线强化学习中的分布外动作问题，并在真实医疗数据集和离线RL数据集上优于基线方法。